HALCON check_blister.hdev藥品膠囊檢測

示例程序源碼（加注釋）

• 顯示、讀入圖片、設置顯示字體等，之前的帖子已經介紹過了
  dev_close_window ()
  dev_update_off ()
  read_image (ImageOrig, ‘blister/blister_reference’)
  dev_open_window_fit_image (ImageOrig, 0, 0, -1, -1, WindowHandle)
  set_display_font (WindowHandle, 14, ‘mono’, ‘true’, ‘false’)
  dev_set_draw (‘margin’)
  dev_set_line_width (3)

• 第一步，我們創建一個圖案，以便在后續的水泡圖像中輕松切出腔室。

• access_channel - 訪問多通道圖像中的指定的一個通道。這里選取Image1的第一個通道
  access_channel (ImageOrig, Image1, 1)

• 進行閾值分割，選取灰度值在90-255的區域
  threshold (Image1, Region, 90, 255)

• 使用shape_trans對區域Region處理，提取Region的外框，convex功能是外框
  shape_trans (Region, Blister, ‘convex’)

• orientation_region計算區域的方向，這個算子是基于elliptic_axis 算子來的，elliptic_axis 是求取等效的橢圓，所以用算子orientation_region相當于把區域Blister轉化為一個等效橢圓，計算這個橢圓的長軸在圖像中的角度。
  orientation_region (Blister, Phi)

• 求取區域Blister的面積與中心坐標。
  area_center (Blister, Area1, Row, Column)

• vector_angle_to_rigid - 根據初始坐標（前3個參數）與仿射變換后的坐標與角度（4-6，三個參數）角度生成一個旋轉與平移的仿射變換矩陣HomMat2D。這里初始坐標與結束坐標都沒有變化只是角度旋轉到了0度。
  vector_angle_to_rigid (Row, Column, Phi, Row, Column, 0, HomMat2D)

• affine_trans_image - 對圖像進行任意的2D仿射變換。ImageOrig：要進行仿射變換的圖像；Image2：仿射變換之后的圖像；HomMat2D：2D仿射變換矩陣；constant：進行仿射變換的方式，這個代表使用均值濾波器來防止混疊效應的發生。false：仿射變換后的圖片超出現有圖片大小的區域不被剪切掉；若為true則相反。
  affine_trans_image (ImageOrig, Image2, HomMat2D, ‘constant’, ‘false’)

• 生成一個空的對象Chambers
  gen_empty_obj (Chambers)

  for I := 0 to 4 by 1Row := 88 + I * 70for J := 0 to 2 by 1Column := 163 + J * 150* * 生成一個可旋轉的矩形；* 前兩個參數是區域中心坐標，第三個參數是矩形角度，后兩個參數是矩形的寬高。gen_rectangle2 (Rectangle, Row, Column, 0, 64, 30)* * concat_obj  - 把兩個對象融合在一起。* 注意，這個和union不一樣，union是把兩個對象整合成一個對象，整合后對象的元素個數為1；* 而使用concat_obj  是把幾個對象聯合成一個對象，這個對象中的元素個數之和不變。concat_obj (Chambers, Rectangle, Chambers)endforendfor
  

• 使用變換矩陣HomMat2D對Blister區域使用nearest_neighbor方法進行仿射變換。
  affine_trans_region (Blister, Blister, HomMat2D, ‘nearest_neighbor’)

• 求取區域Blister與區域Chambers的差集
  difference (Blister, Chambers, Pattern)

• 將區域Chambers（有多個元素）聯合成一個區域（一個元素）
  union1 (Chambers, ChambersUnion)

• 求取區域Blister的角度
  orientation_region (Blister, PhiRef)

• 將角度PhiRef加180度
  PhiRef := rad(180) + PhiRef

• 求取區域Blister的面積與中心坐標
  area_center (Blister, Area2, RowRef, ColumnRef)

• 循環檢測每一張圖片

• 定義變量Count 賦值6
  Count := 6

• for循環
  for Index := 1 to Count by 1

  • 讀入圖片
    read_image (Image, ‘blister/blister_’ + Index$‘02’)

  • 對圖片Image進行閾值分割，提取像素灰度值在90-255的區域
    threshold (Image, Region, 90, 255)

  • 分割連通域
    connection (Region, ConnectedRegions)

  • 使用select_shape 對區域ConnectedRegions進行篩選，篩選出面積值介于5000-999999的區域
    select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 5000, 9999999)

  • 求取區域SelectedRegions的外形
    shape_trans (SelectedRegions, RegionTrans, ‘convex’)

  • 求取區域RegionTrans的角度
    orientation_region (RegionTrans, Phi)

  • 求取區域RegionTrans的面積與中心坐標
    area_center (RegionTrans, Area3, Row, Column)

  • 生成仿射變換矩陣HomMat2D
    vector_angle_to_rigid (Row, Column, Phi, RowRef, ColumnRef, PhiRef, HomMat2D)

  • 使用HomMat2D矩陣對Image進行仿射變換
    affine_trans_image (Image, ImageAffinTrans, HomMat2D, ‘constant’, ‘false’)

  • 使用區域剪切圖片，縮小圖像處理定義域
    reduce_domain (ImageAffinTrans, ChambersUnion, ImageReduced)

  • 將圖片ImageReduced分成R/G/B三通道圖像
    decompose3 (ImageReduced, ImageR, ImageG, ImageB)

  • var_threshold - 通過局部均值和標準差分析對圖像進行閾值處理。
    var_threshold (ImageB, Region, 7, 7, 0.2, 2, ‘dark’)

  • 分割連通域
    connection (Region, ConnectedRegions0)

  • 使用矩形對區域進行閉運算
    closing_rectangle1 (ConnectedRegions0, ConnectedRegions, 3, 3)

  • 填充孔洞
    fill_up (ConnectedRegions, RegionFillUp)

  • 進行面積篩選
    select_shape (RegionFillUp, SelectedRegions, ‘area’, ‘and’, 1000, 99999)

  • 使用圓形元素對區域進行開運算
    opening_circle (SelectedRegions, RegionOpening, 4.5)

  • 分割連通域
    connection (RegionOpening, ConnectedRegions)

  • 進行面積篩選
    select_shape (ConnectedRegions, SelectedRegions, ‘area’, ‘and’, 1000, 99999)

  • 求取區域輪廓
    shape_trans (SelectedRegions, Pills, ‘convex’)

  • 對區域Chambers進行計數
    count_obj (Chambers, Number)

  • 生成一個空的對象
    gen_empty_obj (WrongPill)

  • 生成一個空的對象
    gen_empty_obj (MissingPill)

  • for循環
    for I := 1 to Number by 1

    • 在對象數組中選取指定對象，之前例子已經講過了
      select_obj (Chambers, Chamber, I)
    • 求交集
      intersection (Chamber, Pills, Pill)
    • 求取區域面積與中心坐標值
      area_center (Pill, Area, Row1, Column1)

    if (Area > 0)
    * 求取最大最小的灰度值，之前例子已經講過了
    min_max_gray (Pill, ImageB, 0, Min, Max, Range)
    if (Area < 3800 or Min < 60)
    * 聯合對象，上邊有介紹
    concat_obj (WrongPill, Pill, WrongPill)
    endif
    else
    * 聯合對象，上邊有介紹
    concat_obj (MissingPill, Chamber, MissingPill)
    endif
    endfor

  • 下面的就是顯示了
    dev_clear_window ()
    dev_display (ImageAffinTrans)
    dev_set_color (‘forest green’)
    count_obj (Pills, NumberP)
    count_obj (WrongPill, NumberWP)
    count_obj (MissingPill, NumberMP)
    dev_display (Pills)
    if (NumberMP > 0 or NumberWP > 0)
    disp_message (WindowHandle, ‘Not OK’, ‘window’, 10, 10 + 600, ‘red’, ‘true’)
    else
    disp_message (WindowHandle, ‘OK’, ‘window’, 10, 10 + 600, ‘forest green’, ‘true’)
    endif
    disp_message (WindowHandle, '# correct pills: ’ + (NumberP - NumberWP), ‘window’, 10, 10, ‘black’, ‘true’)
    disp_message (WindowHandle, '# wrong pills : ’ + NumberWP, ‘window’, 10 + 25, 10, ‘black’, ‘true’)
    if (NumberWP > 0)
    disp_message (WindowHandle, NumberWP, ‘window’, 10 + 25, 10 + 180, ‘red’, ‘true’)
    endif
    disp_message (WindowHandle, '# missing pills: ’ + NumberMP, ‘window’, 10 + 50, 10, ‘black’, ‘true’)
    if (NumberMP > 0)
    disp_message (WindowHandle, NumberMP, ‘window’, 10 + 50, 10 + 180, ‘red’, ‘true’)
    endif
    dev_set_color (‘red’)
    dev_display (WrongPill)
    dev_display (MissingPill)
    if (Index < Count)
    disp_continue_message (WindowHandle, ‘black’, ‘true’)
    endif
    stop ()
    endfor

處理思路

在這個例子是藥品行業膠囊的檢測，是比較經典的例子，我們下一篇文章介紹另一個膠囊檢測例子。這個膠囊檢測首先用到了仿射變換，把每個膠囊的單元提取出來，然后使用最簡單的blob分析對缺陷進行提取。

后記

大家有什么問題可以向我提問哈，我看到了第一時間回復，希望在學習的路上多多結交良師益友。